基于數據挖掘技術優化高校貧困生認定體系

龍小宏　周靜

摘? 要：近些年高職院校招生政策的逐漸放寬，來自貧困地區的高職院校大學生越來越多，增加了高校貧困生資助部門的難度和工作量。傳統的貧困生認定方式需要學生出具家庭貧困證明，然后在學校填寫貧困生申請表，再由學校組織評議小組對申請人進行評議，然而學生填寫的家庭貧困證明經常出現虛假申報的情況，資助管理部門并不能真實掌握學生家庭情況。因此，如何在缺乏真實家庭情況，以及助學金金額有限的背景下，將貧困助學金發放到最需要幫助的學生手上成為亟待解決的問題。

關鍵詞：數據挖掘;貧困生測評;校園一卡通

1.引言

高職貧困學生主要是指高等職業院校家庭經濟較為困難，難以支付起學費、生活費及學雜費，且不能保障正常生活的學生，根據其情況可以分為特別貧困學生和普通貧困學生。高職貧困生資助評定成為高學生管理工作中的熱點問題。由于貧困助學金的發放關系到貧困學生的切身利益，因此有著重要的實際意義。

目前從總體情況來看，在實際的貧困學生認定過程中，輔導員和學生都過度依賴事情的表面現象，存在相當大的盲目性，此外，也存在相當大的主觀意識判斷，導致錯判與誤判等情況發生。因此，在進行貧困學生認定過程中，我們需要采取多種方式來進行判定，盡量減少在評定過程中出現的人為因素。

2.一卡通消費數據的研究價值

通過對一卡通中的學生消費數據分析，輔助貧困生的辨認，找出數據之間存在的聯系，是本文研究的目的。目前在大部分高職中，食堂就餐、校園超市、水費、電費、圖書館等只支持刷卡方式，不支持現金支付，因此，一卡通的消費數據具有很強的代表性，這些數據具有很好的研究價值，通過分析數據可以了解大學生的消費習慣和消費行為。

以瀘州職業技術學院為例，我校大學生作為一類消費群體，有很大的消費數據，通過對其消費數據進行挖掘和分析，就會發現其中的一些規律和問題，了解學生的貧困情況，對貧困生的評定、獎學金的設定、助學金的設定提供很好的依據，對判別學生是否為貧困生具有非常重大的意義。

3.數據挖掘過程及算法應用

數據挖掘一般由數據轉換、數據準備、數據分析、結果分析、知識同化五個部分組成。數據挖掘通過對導入到數據倉庫中的數據進行挖掘，找出數據之間的關系，根據其存在的某種關系，對未來的數據進行預測。

截至2020年，瀘州職業技術學院全日制在校生約為14000人左右，在學校的一卡通系統產生的數據中，數據信息都是由很多選項組成，如學生學號、姓名、消費數據等，在對數據進行挖掘時，需要對相關的數據進行相應的處理，去除一些不必要的信息。本文主要是進行對學校貧困學生進行評定，因此選用的是與學生的消費相關的數據項，對于學生性別、年齡等與貧困相關不大的數據項消除掉。

在一卡通系統中，各個子系統分別產生相關的數據，如果對其中的數據進行挖掘，需要通過一定的處理，首先將一卡通的數據進行分析提取，可以分為幾張表：學生信息表、學生就餐消費表、學生閱讀情況表、學生成績表等數據表作為源數據，從中提取出用來與貧困認定有關的數據項，對這些數據進行相應的格式轉換，為下一步的挖掘工作打下基礎。

在數據表中，消費金額是一個數值數據，而關聯規則不能夠處理相關的數值數據，在對它進行關聯之前，需要對這個項進行離散型轉換，使之能被操作，再對轉換后的數據進行排序，使關系數據變換成相關的事務數據。

在對數據進行相應的轉換后，就可以應用相應的挖掘關聯規則進行操作了，在操作的過程中，還需要對其進行最小可信度和支持度進行設置，如若支持度設置過高，則在挖掘過程中使用的挖掘規則較少，則挖掘出結果越快。本文對數據進行挖掘采用的是FP-Growth算法和INFP-Growth算法，通過使用這兩種算法對待挖掘的數據進行關聯規則挖掘，在這里，我們設置最小支持度的值為2，可信度為0.5，生成的規則如下：

（1）對于學生成績較好的同學，如班級排名前十，則可以申請助學貸款，如若家庭情況困難，則可申請三年的助學貸款（支持度為2，可信度為1）。

（2）對于戶籍為農村的學生，且家庭情況為特困戶，則可申請年限兩年的助學貸款（支持度為2，可信度為0.95）。

（3）需要申請助學貸款與申請勤工助學的學生（支持度為2，可信度為0.35）。

（4）申請特困及申請勤工助學（支持度為0.6，可信度為0.23）。

通過使用關聯規則的方法對數據進行分析，可以得出貧困學生的消費情況、參與勤工助學活動、學習成績之間的關系，這些關系可以為學校對學生的貧困工作認定提供一些幫助。

在對可信度和支持度進行選取的過程中，一定要根據實際的情況來選取，這樣才會得到所需的結果，如果選取的值過于小，在執行的過程中會產生很多多余的規則，不僅會影響執行的效率，得到的結果也可能是不準確的，但如果選用的值過大，則會產生生成的規則較少的情況，會造成規則設置不準確，導致相關數據漏網情況。

4.結束語

本文主要針對高職貧困生評價問題，結合了數據倉庫和數據挖掘等解決方案在其他領域的應用狀況，提出了將數據倉庫引入到高職 貧困生評價數據平臺的數據分析過程中。研究表明，本研究的開展進行使得高職管理決策者能夠利用數據倉庫中的數據進行更理性、更科學的決策。

參考文獻

[1]? “精準扶貧”理念在高等院校思想政治教育中的指導意義[J]. 王振興.? 當代教育實踐與教學研究. 2019（01）

[2]? 高校精準扶貧工作的落實與路徑分析[J]. 朱虹，覃向梅，陸蕾.? 職業. 2019（13）

[3]? 發揮高等院校優勢，做好精準扶貧工作[J]. 韓瑜，王歡.? 科學咨詢（教育科研）. 2019（08）

[4]? 精準扶貧視野下高校資助育人體系的構建[J]. 金明媚.? 繼續教育研究. 2019（01）

作者簡介：龍小宏（1976-），男，漢，四川瀘州，講師，碩士，主要研究方向：計算機網絡技術、計算機應用技術;

周靜（1979-），女，漢，四川瀘州，講師，碩士，主要研究方向：互聯網應用開發、軟件技術。